基于机器视觉的精密器件在线尺寸测量方法

摘要

基于机器视觉的精密器件在线尺寸测量方法，涉及一种基于机器视觉的尺寸测量方法，解决现代工业对工件测量的精度要求高的问题。包括步骤：调整相机获取标准器件的清晰图像，同时在清晰图像内采集模版区域；对所述模版区域进行迭代阈值分割获取图像的分割阈值，即将模版区域进行二值化获取模版区域的二值图像；获取待检测图像的二值图像，通过模版匹配获取待检测图像的目标区域；对待检测图像的目标区域进行图像处理，获取待检测器件用于尺寸测量的边缘，并计算边缘间的像素距离；计算图像像素距离与实际距离的关系；算待检测器件的实际尺寸。本发明可广泛应用于对精密器件的机器视觉尺寸测量。

主权项

基于机器视觉的精密器件在线尺寸测量方法，其特征在于它包括如下步骤：步骤一：调整相机获取标准器件的清晰图像，同时在清晰图像内采集模版区域；所述模版区域为标准器件的图像大小；步骤二：对所述模版区域进行迭代阈值分割获取图像的分割阈值，即将模版区域进行二值化获取模版区域的二值图像；所述对所述模版区域进行迭代阈值分割获取图像的分割阈值，即将模版区域进行二值化获取模版区域的二值图像的过程为：所述模版区域为g(x,y)，其中g(x,y)＝f(x,y)+e(x,y)，f(x,y)为原始图像，e(x,y)为干扰，则有：步骤二A：选取模版区域的灰度平均值作为分割阈值T_k的初始值T₀；步骤二B：用所述分割阈值T_k将图像分为两部分，其中S₁为背景像素集合，S₂为前景像素集合；S₁＝{f(x,y)|f(x,y)≥T_k}S₂＝{f(x,y)|0≤f(x,y)<T_k}步骤二C：分别计算背景像素集合S₁和前景像素集合S₂的灰度均值E₁和E₂；$E_1=\frac{\underset{f(i,j)<T_k}{\Sigma }f(i,j)\times N(i,j)}{\underset{f(i,j)<T_k}{\Sigma }N(i,j)}$$E_2=\frac{\underset{f(i,j)>T_k}{\Sigma }f(i,j)\times N(i,j)}{\underset{f(i,j)>T_k}{\Sigma }N(i,j)}$式中，f(i,j)为图像灰度值，N(i,j)为该灰度值的像素数目；步骤二D：选择新的分割阈值T_k+1，其中若T_k＝T_k+1则进入步骤二E，否则返回步骤二B；步骤二E：获取模块区域的分割阈值T_k，并将模块区域进行二值化，将灰度值高于T_k的像素置为255低于T_k的像素置为0；步骤三：获取待检测图像的二值图像，通过模版匹配获取待检测图像的目标区域；所述获取待检测图像的二值图像，通过模版匹配获取待检测图像的目标区域的过程为：所述模版匹配分为粗匹配和精确匹配；所述粗匹配的过程为：分别对模版区域和待检测图像进行隔行隔列采集数据，并进行比较设定误差阈值E₀为：$E_0=e_0\times \frac{m+1}{2}\times \frac{n+1}{2}$式中，e₀为所述数据各点平均最大误差，m为模版区域的长度，n为模版区域的宽度；找到满足阈值的匹配区域在图像中的坐标，将该区域边缘扩大五个像素作为粗匹配结果；所述精确匹配的过程为：获取粗匹配结果，进行完整像素匹配，即对所述粗匹配结果内的所有像素进行像素匹配并获得目标区域；步骤四：对待检测图像的目标区域进行图像处理，获取待检测器件用于尺寸测量的边缘，并计算边缘间的像素距离；步骤五：利用步骤一所述模版区域计算图像像素距离与实际距离的关系；步骤六：根据步骤五所述关系，计算待检测器件的实际尺寸。